與三巨頭幾十多年的反覆運算發展歷程不同，如今的本土EDA企業，生在一個“雲+AI”加持的高效率運算的好時代。這些成熟的技術能夠給當下不少新興的EDA企業提供豐富的演算法和計算資源，EDA企業可以利用AI和雲計算的優勢，極大節省成本的同時也能夠走不少“彎路”。
譬如AI，國微集團有限公司首席技術官白耿告訴《華強電子》記者：“EDA正面臨一個AI的新時代，AI技術怎麼更好融入到傳統EDA平臺上來，這也是我們經常考慮的問題。所以，我們在2020-2021年培養高校研究生的設置過程中，有五個專案，其中四個都是跟AI相關的，這樣就在EDA平臺上就找到了適合開發AI演算法的場景，能夠把AI演算法能夠實現EDA平臺上。”
“EDA正面臨一個AI的新時代，AI技術怎麼更好融入到傳統EDA平臺上來，這也是我們經常考慮的問題。所以，我們在2020-2021年培養高校研究生的設置過程中，有五個專案，其中四個都是跟AI相關的，這樣就在EDA平臺上就找到了適合開發AI演算法的場景，能夠把AI演算法能夠實現EDA平臺上。”
所以，在開發EDA產品的過程中，白耿表示：“基於統一的資料結構、統一的通用服務引擎核心之內，外層我們會建立AI的訓練應用層，所有AI引擎做訓練所需要的資料可以從我們的簽核或者物理實現的工具引擎中得以輸入，訓練完之後，AI引擎的測試結果可以用我們的簽核工具驗證。在很好的AI引擎訓練完之後可以放在優化的引擎中進行實際的IC優化來驗證AI演算法是否有它的實用性，再繼續反覆運算看能不能改進AI引擎，做下一次更好的優化，這是整體的為深度學習提供好的演算法、好的場景。這雖然只是一個例子，但說明了我們整個平臺是針對先進技術開放的平臺，歡迎中國好的演算法、好的工具能融合在這個平臺，更方便進入到實際的IC設計的流程中，讓好的演算法、好的工具得到快速的反覆運算、快速產業化，這也是我們集團的意向之一。”
的確，AI for EDA是目前非常火的概念。這二者其實是可以相輔相成的，有業內人士告訴記者，利用AI訓練，比如優化電路的過程中，一般需要很多專家知識去告訴系統如何高效的去執行命令，通過這種自動化的機器學習方式能夠快速進行推算，從而對資料進行高效的優化。當然，EDA的方法也可以反過來輔助AI進行資料演算，比如查閱資料表網路當中，因為可以實現任意的布耳函數，因此系統一開始並不知道實現的是什麼功能，但可以通過一些訓練集進行反推，與主流的網路相比，這種方法也能快速逼近最優解，從而提高效率。
例如DFM中的光刻熱點修正，白耿舉例到：“經常在晶片版圖中，有很多圖形屬於是一種光刻熱點，這會在製作過程中產生缺陷，為了避免這種缺陷產生，在前期製造階段就要對圖形進行修正，進行規避，假如某種圖形模式沒有被定義的話，這種光刻熱點就會被漏掉。而利用AI演算法，可以根據工藝中現有的圖形進行演算法推導，其中可能還會出現光刻熱點新的圖形，通過深度學習的方法，將新的圖形通過統一的資料庫，通用服務引擎可以無縫回饋給佈局佈線工具，進行非常高效的修正。”
AI之後，為了尋求更巨量的資源，“上雲”也成為了當前中國EDA玩家實現超速追趕的另一條快車道。業內資深人士林凱鵬對記者表示：“無論是軟體模擬還是硬體模擬，資源需求是非常強烈且巨量的，因此目前最流行的做法就是將其放在雲上去跨區域共用。不過，對於EDA這種比較特殊的工業應用，尤其是驗證的場景來說，與普通的專用雲不同，它有硬體，所以對每一個團隊來說原始程式碼安全非常重要，所以我們構思了三層架構，通過本地的集群，實現CPU或者硬體模擬和原型驗證，構建一個私有的EDA專用雲來實現HPC算力或者更多的EDA軟體雲控制。在這個環節當中，敏感的資料或者大量運算的資料都可以放到公有雲上面。”
“無論是軟體模擬還是硬體模擬，資源需求是非常強烈且巨量的，因此目前最流行的做法就是將其放在雲上去跨區域共用。不過，對於EDA這種比較特殊的工業應用，尤其是驗證的場景來說，與普通的專用雲不同，它有硬體，所以對每一個團隊來說原始程式碼安全非常重要。”
不過，這種結合性的思路也要解決很多問題，林凱鵬指出：“比如其中一個是雲管理如何合理的去進行軟體、硬體、人員以及資源的管理和調度，這些不同的資源可能放在不同的設備上，有些放在CPU上，隨著資源的調度，同步的要將資料從一個地方搬到另一個地方，跟著做調整。另一方面，也需要考慮資料的安全，分級資料管理或者是設計階段就要考慮到資料安全問題，而在過程當中資料就需要考慮做加密、解密或者使用者資料健全等。我們有一個案例就是將所有的原型驗證系統堆積在機房裡，構建雲系統，可以實現好多使用者和專案的運行，目前看來非常穩定。”由此可見，“雲+AI”已經成為本土EDA企業飛速突進的核心“殺手鐧”。
但即便如此，當下談“彎道超車”還為時尚早，甚至有些“不切實際”。畢竟，“羅馬不是一天建成的”，國際巨頭如今“壟斷全球”的積累自然也不是說超越就能簡單超越的，這當中必然是經歷了各種各樣甚至當前本土EDA廠商未曾想過的問題和挑戰以及更多的整合並購。因此，從更務實的角度出發，編者認為，當前的重心不應該放在如何實現超越抑或是如何去與國際大廠爭個高低，本土EDA玩家目前更需要的是如何利用好AI和雲計算等中國具備的先進技術，由“點”及“面”去層層突破，從點工具向面工具循序漸進，以商業化和盈利的思維去做產品。因為，中國國產EDA的“超越”畢竟不是靠各玩家一己之力，更多的是抱團取暖、整合並購，如此才能真正在未來誕生有實力與國際大廠拼殺的中國版EDA巨頭。